AI审查循环并非总是稳定

Lobsters Hottest 新闻

摘要

文章解释了在代码开发中,AI审查循环可能由于AI意见不一致、范围蔓延和幻觉而变得不稳定,正如在Opus 5的测试中所显示的。

<p><a href="https://lobste.rs/s/52povq/ai_review_loops_don_t_always_stabilise">评论</a></p>
查看原文
查看缓存全文

缓存时间: 2026/08/26 03:15

# AI 审查循环并不总能稳定收敛 来源:https://kevinmahoney.co.uk/articles/ai-review-loops/ 2026年8月25日 人们很容易认为,让AI审查代码然后在循环中实施修复,最终就能打造出完美无瑕的代码。有些人无意中正在实践这个循环的“慢速版本”:开发者A创建一个AI生成的PR,开发者B敷衍地进行AI审查,然后开发者A再通过AI修复,如此往复,*以至无穷*。 如果设置了严谨的防护措施,这种方法或许可行,但若天真地使用,往往会导致混乱,原因如下: - **AI的评估标准并不一致**:它认为的好代码可能每次运行都有所不同。最糟糕的情况是,它在多次审查中反复改变标准,导致永无止境的循环。 - **审查过程容易引发范围蔓延**:从“嘿,你这里没有测试!”,到“嘿,你没有CI/CD流水线!”,再到“嘿,你居然没为这个开发安卓应用!”,问题范围不断扩大。 - **审查中任何错误的肯定或幻觉都可能引入新的缺陷**。 作为一个快速测试,我让Opus 5生成少量“完美且非平凡”的代码,并将其通过三次“审查-修复”循环。以下是一份由AI生成的报告(https://gist.github.com/KMahoney/3098f0f12638d0a83a5ef3b91bef601d)。请注意,缺陷数量随着每次审查反而*增加了*!

相似文章

AI正在吞噬AI工程循环(5分钟阅读)

TLDR AI

文章讨论了AI工程循环如何能够完全自动化,但认为将整个循环交给AI会产生'agent slop'(智能体垃圾),因为评估不完善。它建议自动执行某些步骤,同时保留人类判断以处理细微差别。

AI世界正在变得‘循环’

TechCrunch AI

本文讨论了AI智能体系统中‘循环’的兴起,即智能体持续提示其他智能体执行任务,这被视为超越简单智能体使用的重要一步。Claude Code的Boris Cherny在Meta的@Scale大会上支持这一方法。

审查AI代码并非一个站得住脚的论点(2025)

Lobsters Hottest

文章认为,要求全面审查代码会抵消LLM编码助手所谓的生产力提升,因为实证研究显示它们并不能帮助写出更好或更快的代码,而且支持者未能解决固有的错误率问题。